如何在 class 不平衡数据集 (gbm) 的 gbm 包和 Kappa 统计数据中定义权重

Question

我想找到一种方法来为 caret 包中的 gbm 定义权重。在 "caret" 包的 "train" 函数中有一个参数 "weights"，但描述为 "This argument will only affect models that allow case weights"。根据我的理解 "gbm" 确实支持定义权重，但我不知道定义权重的格式。它只是 c(1,10) - 其中 1 代表多数 class，10 代表少数 class？

第二个问题是关于Kappa统计的。我读到 Kappa 是 class 不平衡数据集的更好性能指标，但未能理解如何实现。对于 class 不平衡数据集，为什么 Kappa 是比 ROC 更好的性能指标，我将不胜感激。

谢谢。

Answer 1

据我所知，gbm 确实支持案例权重，权重应该是数据帧长度的向量。如果你只使用两个 类 我相信你会 有 使用 ROC。我不确定我是否有资格回答你关于 ROC 与 Kappa 的问题，但 here 是 2013 年的一篇论文，研究了现实世界数据的几个指标的性能。一般的收获似乎是，虽然 kappa 可能会受到偏斜的影响（ROC 似乎相对免疫），但 ROC 往往会掩盖表现不佳。

Answer 2

在这个article中有一个使用weights的例子。 在您的情况下，它将类似于

data$weights <- ifelse(data$class == "major", 1, 10)

然后用这一列作为权重。